Аркестрацыя Agentic AI у DevOps Pipelines з DSPy і LangChain для Enhanced ZeroOps
Уводзіны
Інтэграцыя штучнага інтэлекту (AI) у канвееры DevOps зрабіла рэвалюцыю ў распрацоўцы, тэсціраванні і разгортванні праграмнага забеспячэння. Agentic AI, падмноства AI, які забяспечвае аўтаномнае прыняцце рашэнняў і дзеянні, мае патэнцыял для далейшага павышэння эфектыўнасці і дзейснасці працэсаў DevOps. У гэтым артыкуле мы вывучым канцэпцыю арганізацыі агентурнага штучнага інтэлекту ў канвеерах DevOps з выкарыстаннем DSPy і LangChain і абмяркуем перавагі гэтага падыходу ў дасягненні ZeroOps.
Што такое Agentic AI?
Agentic AI адносіцца да тыпу AI, які валодае здольнасцю прымаць рашэнні і выконваць дзеянні аўтаномна, без умяшання чалавека. Гэта дасягаецца за кошт выкарыстання перадавых алгарытмаў машыннага навучання, апрацоўкі натуральнай мовы і кагнітыўных архітэктур. Сістэмы Agentic AI могуць вучыцца на вопыце, адаптавацца да новых сітуацый і ўзаемадзейнічаць з людзьмі больш натуральным і інтуітыўна зразумелым спосабам.
Што такое ZeroOps?
ZeroOps - гэта філасофія DevOps, якая накіравана на ліквідацыю неабходнасці ўмяшання чалавека ў распрацоўку, разгортванне і абслугоўванне праграмнага забеспячэння. Гэта дасягаецца за кошт выкарыстання аўтаматызацыі, аркестроўкі і прыняцця рашэнняў на аснове штучнага інтэлекту. ZeroOps дазваляе арганізацыям разгортваць праграмнае забеспячэнне хутчэй, з больш высокай якасцю і з меншымі выдаткамі.
Аркестрацыя Agentic AI у DevOps Pipelines
Каб арганізаваць агентурны штучны інтэлект у канвееры DevOps, нам неабходна інтэграваць у канвеер працэс прыняцця рашэнняў і дзеянняў на аснове штучнага інтэлекту. Гэта можа быць дасягнута шляхам выкарыстання DSPy і LangChain, двух папулярных фрэймворкаў для стварэння і разгортвання прыкладанняў, якія кіруюцца штучным інтэлектам.
DSPy
DSPy - гэта структура Python для стварэння і разгортвання праграм, якія кіруюцца штучным інтэлектам. Ён забяспечвае набор інструментаў і бібліятэк для апрацоўкі даных, машыннага навучання і апрацоўкі натуральнай мовы. DSPy распрацаваны для бесперашкоднай працы з такімі папулярнымі фрэймворкамі, як LangChain і FastAPI.
LangChain
LangChain - гэта фреймворк Python для стварэння і разгортвання праграм, якія кіруюцца штучным інтэлектам. Ён забяспечвае набор інструментаў і бібліятэк для апрацоўкі натуральнай мовы, машыннага навучання і кагнітыўных архітэктур. LangChain распрацаваны для бесперашкоднай працы з такімі папулярнымі фрэймворкамі, як DSPy і FastAPI.
Тэхнічная рэалізацыя
Каб прадэманстраваць тэхнічную рэалізацыю арганізацыі агентскага штучнага інтэлекту ў канвеерах DevOps з выкарыстаннем DSPy і LangChain, давайце разгледзім просты прыклад. Выкажам здагадку, што мы хочам аўтаматызаваць разгортванне вэб-праграмы з дапамогай канвеера DevOps. Мы можам выкарыстоўваць DSPy для стварэння сістэмы прыняцця рашэнняў на аснове штучнага інтэлекту, якая вызначае аптымальную стратэгію разгортвання на аснове такіх фактараў, як прадукцыйнасць прыкладання, водгукі карыстальнікаў і сістэмныя рэсурсы.
імпарт dspy
ад langchain import LLM
def deployment_strategy(app_performance, user_feedback, system_resources):
# Выкарыстоўвайце DSPy для апрацоўкі дадзеных і прыняцця рашэнняў
даныя = dspy.Data(прадукцыйнасць_праграмы, зваротная_сувязь_карыстальніка, сістэмныя_рэсурсы)
рашэнне = dspy.DecisionMaker(дадзеныя)
# Выкарыстоўвайце LangChain для стварэння плана разгортвання
llm = LLM("text-davinci-003")
plan = llm.generate_text(f"Разгортванне {app_performance} з {user_feedback} і {system_resources} рэсурсамі")
план вяртання
# Вызначце канвеер DevOps
канвеер вызначэння (прадукцыйнасць_праграмы, зваротная_сувязь_з_карыстальнікамі, сістэмныя_рэсурсы):
# Выкарыстоўвайце DSPy для арганізацыі канвеера
канвеер = dspy.Pipeline()
pipeline.add_task(стратэгія_разгортвання, прадукцыйнасць_прыкладання, зваротная_сувязь_з_карыстальнікамі, сістэмныя_рэсурсы)
pipeline.add_task(dspytasks.Deploy, план)
# Запусціце канвеер
pipeline.run()
# Запусціце канвеер
трубаправод (90, 4.5, 80)
Топ-5-10 найбольш часта выкарыстоўваюцца каманд/фрагментаў
Вось 5-10 найбольш часта выкарыстоўваюцца каманд/фрагментаў для DSPy і LangChain:
dspy.Data(): стварае аб'ект дадзеных для апрацоўкі і прыняцця рашэнняў.dspy.DecisionMaker(): прымае рашэнні на аснове даных і кантэксту.LLM.generate_text(): Стварае тэкст на аснове ўводных падказак.dspytasks.Deploy(): разгортвае прыкладанне на аснове плана разгортвання.dspy.Pipeline(): кіруе канвеерам DevOps.pipeline.add_task(): дадае задачу ў канвеер.pipeline.run(): Запускае канвеер.dspy.Data.process(): апрацоўвае дадзеныя для прыняцця рашэнняў.dspy.DecisionMaker.decide(): прымае рашэнне на аснове даных і кантэксту.LLM.generate_text(prompt): Стварае тэкст на аснове ўводных падказак.
Візуалізацыя
Вось візуалізацыя агентскага канвеера DevOps, кіраванага AI, з выкарыстаннем Chart.js:
{
"тып": "бар",
"дадзеныя": {
"labels": ["Апрацоўка даных", "Прыняцце рашэнняў", "Разгортванне"],
"наборы дадзеных": [
{
"label": "Agentic AI",
"дадзеныя": [10, 20, 30],
"backgroundColor": "rgba(255, 99, 132, 0,2)",
"borderColor": "rgba(255, 99, 132, 1)",
"borderWidth": 1
}
]
},
"параметры": {
"шалі": {
"yAxes": [
{
"цікі": {
"beginAtZero": праўда
}
}
]
}
}
}
Гэтая візуалізацыя паказвае тры этапы агентскага канвеера DevOps, які кіруецца штучным інтэлектам: апрацоўка даных, прыняцце рашэнняў і разгортванне.
Выснова
У гэтым артыкуле мы даследавалі канцэпцыю арганізацыі агентурнага штучнага інтэлекту ў канвеерах DevOps з выкарыстаннем DSPy і LangChain. Мы прадэманстравалі просты прыклад таго, як аўтаматызаваць разгортванне вэб-праграмы з дапамогай сістэмы прыняцця рашэнняў, кіраванай штучным інтэлектам. Мы таксама прадставілі візуалізацыю агентскага канвеера DevOps, які кіруецца штучным інтэлектам, з выкарыстаннем Chart.js. Дзякуючы інтэграцыі агентскага штучнага інтэлекту ў канвееры DevOps, арганізацыі могуць дасягнуць ZeroOps і разгарнуць праграмнае забеспячэнне хутчэй, з больш высокай якасцю і з меншымі выдаткамі.